用户画像根本不只不过Persona和Profile，肯定不重要的营销工具。

我从数据运营和业务的角度来写一些你们很有可能一次听得的内容。

【提纲】

1.用户画像不属于特征工程

2.用户画像统称画像和兴趣

3.用户画像从空中落下为标签，不记得权重

4.用户画像高级进化为用户分层和用户分群

5.在我的场景模型中，用户画像是核心基础

1.用户画像一类特征工程

用户画像，无论是Persona我还是Profile，大都特征工程的典型应用，即实际数据分析和疯狂挖掘从用户的各类数据中提取共性特点的过程。

数据是信息的载体，但原始的数据包含了大量的噪声，信息的表达也太少简洁精炼。但，特征工程的目的，是通过一系列的工程活动，将这些信息可以使用更高效安全的编码方式（特征）可以表示。建议使用特征它表示的信息，信息损失相对较少，原始数据中包涵的规律依旧可以保留。再者，新的编码方式还要最好不要下降原始数据中的不确认因素（白噪声、异常数据、数据缺失…等等）的影响。

图片引自网络2.用户画像可分画像和兴趣

工程应用中用户画像两类画像和兴趣，这两者的区别和联系是：

1）用户画像

静态动态，以及基础属性、地理属性、行为属性等，应用于客群分析和营销活动。

比较普遍的场景：APP应用架构层级的千人千面、营销活动再筛选人群。

2）用户兴趣

动态，以及立即兴趣、短期兴趣、长期兴趣等，应用形式于推荐系统和内容推荐。

最常见的场景：搜索栏、商品/内容搜藏、网上购买等。

3.用户画像落下时为标签，忘了权重

用户画像通常以标签落地，标签都是特征工程的一种。

只不过用户画像的标签上有一些自己的独特之处：

用户画像的标签是参数化标签用户画像的标签是有权重的

1）什么叫参数化标签？

用户画像在生产标签时，通常会碰上这样的情景：

「偏好电影」：过去3个月看过5场电影的人群

「偏好电影」这个标签背后有严格的口径定义，过去2个月看过10场电影的用户不能打上「偏好电影」这个标签，另外紧接着业务的变化，「偏好电影」标签的口径需要没更新为“过去3个月看完10场电影的人群”，会如此，要终结缴销此标签，并然后再加工销售一个新的标签，名字还是「偏好电影」，只不过口径改为“过去3个月我看过10场电影的人群”。

看样子，不合理不。

所以，在90%的业务场景下，用户画像的标签会被值改参数化，即标签口径中可变的部分设置为参数，参照换算业务调整。本案所涉「偏好电影」的标签即可中改：

「偏好电影」：过去N个月以前看过M场电影的人群

N个月和M场应该是这个标签的两个参数。这样「偏好电影」这个标签的灵活性和适应性就非常强，业务不使用该标签前只需输入标签必须的参数去掉。

2）什么是标签的权重？

用户画像的标签务必小心、务必小心、务必小心记得每个标签都要有权重。假如没有权重，那就用户画像全是缺点，和你们丢进碎纸机的废纸并没有什么不同。

用户画像的标签务必要有权重

想所了解一些标签的故事，多谢了参详我的万字长文：

磊叔-运营和管理增长的速度：【五】知乎独家发布|标签系统：大数据的典型应用

4.用户画像进化时为用户分层和用户分群

用户画像不只是是我们大多数意义上的一份PPT，它我还是模型和金字塔。

下图是我们前的具体实施的用户画像的路线图，其中：

【V1.0】

1.0版本的用户画像即为悠久的传统的画像产品，以静态的用户特征为主，控制输出为大家脍炙人口的PPT。优点是已能刻划用户的特征，缺点是太粗太泛，没能精准化指导运营。

【V2.0】

2.0版本而且提出来了九个字：精细化、模块化和可配置。为了实现程序这九个字，我们将用户标签代码化和模型化。代码化和模型化的优点即是可以不按时运行，并自动化输出低画像报告，极高提升运营效率。

不光如此，我们将画像的特征和维度按照业务模块化，并提供给可配置的定制化功能，即渠道运营的同学更参与渠道层面的用户特征，流量运营的同学更关注活跃、所存等用户特征。根据不同运营团队相对于用户画像的诉求，可配置的定制化功能不能运营团队无法打钩必须考察公司的画像特征。那样的话用户画像既探索，还普适。

【V3.0】

3.0版本是另一个求完整的能进化，将用户画像变异进化为用户分层和用户分群，即进化为用户金字塔：

用户从上层流向下层：大量流失用户从下层淌入上层：转化成

金字塔同样的强大代码化和模型化的特性，我们数据运营团队据金字塔各层的动态变化来求业务运营的问题和增长点。

用户分层模型，多谢了可以参加我的Live：

磊叔带你彻底地掌握RFM用户分类模型5.在我的场景模型中，用户画像是核心基础

之前的回答中我用下面这个模型来尝试如何制定营销和增长策略，其中就中有了用户画像。不止如此，从这张图中用户画像所处的位置即可看出来它的重要性：

用户画像在模型中是最底层，抵挡上面所有模块的运营。用户画像劈入模型的全流程，我们是从用户画像来动态监控获客客群的特征、刚刚进入中心经营环的客群特征这些会流失只存客群的特征，按照这三者客群特征的变化来寻求业务的问题和增长点。

欢迎参加过我的Live聊聊数据运营和增长：

面试运营增长最重要的是的50个问题面试数据分析最重要的30+问题带你确立模糊管用的数据分析思路磊叔带你轻松玩Excel数据透视表